《智能網(wǎng)聯(lián)汽車感知訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)化需求研究報(bào)告》內(nèi)容解讀中國汽車標(biāo)準(zhǔn)化研究院智能網(wǎng)聯(lián)部華一丁2023年11月27日2201 01 研究概況介紹02 02 研究內(nèi)容解讀03 03 標(biāo)準(zhǔn)輸出建議301研究概況介紹01研究概況介紹PAGEPAGE41.1研究背景現(xiàn)在，國際上汽車行業(yè)競爭很激烈，信息化、智能化等趨勢不斷發(fā)展，對(duì)我們來講有危有機(jī)，危中有機(jī)，一定要把關(guān)鍵核心技術(shù)掌握在自己手里。型電子電氣架構(gòu)、型電子電氣架構(gòu)、多源傳感信息融合感知、……等共性交叉技術(shù)。突破關(guān)鍵基礎(chǔ)技。開展復(fù)雜系統(tǒng)體系架構(gòu)、復(fù)雜環(huán)境感知、……等基礎(chǔ)前瞻技術(shù)研發(fā)。重點(diǎn)突破新》度環(huán)境感知是智能網(wǎng)聯(lián)汽車技術(shù)創(chuàng)新體系中的關(guān)鍵基礎(chǔ)技術(shù)之一，具有中國特色感知數(shù)據(jù)訓(xùn)練集環(huán)境感知技術(shù)的重要組成部分，其質(zhì)量一定程度上決定著感知能力的水平。研究背景為貫徹落實(shí)《國家標(biāo)準(zhǔn)化發(fā)展綱要》《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）推進(jìn)中國智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系建設(shè)，汽標(biāo)委智能網(wǎng)聯(lián)汽車分標(biāo)委（SAC/TC114/SC34）秘書處啟動(dòng)首批智能網(wǎng)聯(lián)汽車（ICV）標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目研究，其中包括感知數(shù)據(jù)訓(xùn)練集的標(biāo)準(zhǔn)化需求研究。ICV標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目1-智能網(wǎng)聯(lián)汽車量子通信技術(shù)及其安全應(yīng)用ICV標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目2-基于先進(jìn)通信技術(shù)的車輛網(wǎng)聯(lián)功能與應(yīng)用ICV標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目3-智能網(wǎng)聯(lián)汽車感知數(shù)據(jù)訓(xùn)練集ICV標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目4-智能網(wǎng)聯(lián)汽車坐標(biāo)系ICV標(biāo)準(zhǔn)化領(lǐng)航項(xiàng)目5-智能網(wǎng)聯(lián)汽車云控平臺(tái)01研究概況介紹01研究概況介紹研究目的感知訓(xùn)練數(shù)據(jù)集是自動(dòng)駕駛環(huán)境感知算法訓(xùn)練與實(shí)現(xiàn)的重要基礎(chǔ)訓(xùn)練數(shù)據(jù)集要應(yīng)對(duì)多重挑戰(zhàn)：交通場景復(fù)雜性、天氣多變性、光照挑戰(zhàn)、傳感器誤差以及標(biāo)注一致性等。標(biāo)準(zhǔn)化不僅是解決問題、提升感知算法魯棒性的重要一環(huán)，更是引領(lǐng)自動(dòng)駕駛技術(shù)蓬勃發(fā)展的關(guān)鍵步驟。視覺定位傳感器采集數(shù)據(jù)目標(biāo)檢測輸入到感知模塊語義分割……視覺定位傳感器采集數(shù)據(jù)目標(biāo)檢測輸入到感知模塊語義分割……感知模塊01研究概況介紹01研究概況介紹PAGEPAGE8研究意義為行業(yè)相關(guān)技術(shù)研發(fā)提供基礎(chǔ)支撐1為行業(yè)管理提供間接保障2標(biāo)準(zhǔn)、高效、全面的感知數(shù)據(jù)訓(xùn)練平臺(tái)3為行業(yè)相關(guān)技術(shù)研發(fā)提供基礎(chǔ)支撐1為行業(yè)管理提供間接保障2標(biāo)準(zhǔn)、高效、全面的感知數(shù)據(jù)訓(xùn)練平臺(tái)3ADAS/ADS技術(shù)方案不斷成熟，產(chǎn)品駕駛自動(dòng)化等級(jí)逐步提高，企業(yè)對(duì)更高精度的感知能力的需求增加，目前廣泛采用的訓(xùn)練集往往是國外研究機(jī)構(gòu)提供的，與中國的道路交通參與者的特征相差加大，存在較大的不適應(yīng)性。政府對(duì)ICV的管理要求逐漸明晰，技術(shù)要求和測試方法相關(guān)標(biāo)準(zhǔn)加快發(fā)布實(shí)施，目前對(duì)于訓(xùn)練集測評(píng)手段及測試方法還處于前期研究階段，標(biāo)準(zhǔn)化的測試方法是支撐標(biāo)準(zhǔn)實(shí)施的重要保障。目前國內(nèi)及國外存在諸多感知訓(xùn)練集，數(shù)據(jù)體量幾千到幾萬幀不等，同時(shí)質(zhì)量也難以保證，誤標(biāo)率、錯(cuò)標(biāo)率難以支撐車企量產(chǎn)車算法，同時(shí)存在訓(xùn)練集覆蓋度較為片面，缺乏統(tǒng)一及全面的統(tǒng)籌。ADAS/ADS技術(shù)方案不斷成熟，產(chǎn)品駕駛自動(dòng)化等級(jí)逐步提高，企業(yè)對(duì)更高精度的感知能力的需求增加，目前廣泛采用的訓(xùn)練集往往是國外研究機(jī)構(gòu)提供的，與中國的道路交通參與者的特征相差加大，存在較大的不適應(yīng)性。政府對(duì)ICV的管理要求逐漸明晰，技術(shù)要求和測試方法相關(guān)標(biāo)準(zhǔn)加快發(fā)布實(shí)施，目前對(duì)于訓(xùn)練集測評(píng)手段及測試方法還處于前期研究階段，標(biāo)準(zhǔn)化的測試方法是支撐標(biāo)準(zhǔn)實(shí)施的重要保障。目前國內(nèi)及國外存在諸多感知訓(xùn)練集，數(shù)據(jù)體量幾千到幾萬幀不等，同時(shí)質(zhì)量也難以保證，誤標(biāo)率、錯(cuò)標(biāo)率難以支撐車企量產(chǎn)車算法，同時(shí)存在訓(xùn)練集覆蓋度較為片面，缺乏統(tǒng)一及全面的統(tǒng)籌。研究項(xiàng)目組成員序號(hào)單位名稱職責(zé)序號(hào)單位名稱職責(zé)1中國汽車技術(shù)研究中心有限公司牽頭16上海機(jī)動(dòng)車檢測認(rèn)證技術(shù)研究中心有限公司參與單位2上海交通大學(xué)參與單位17小米汽車科技有限公司3北京覺非科技有限公司18招商局檢測車輛技術(shù)研究院有限公司4北京賽目科技有限公司19福特汽車（中國）有限公司5北京百度智行科技有限公司20上汽通用五菱汽車股份有限公司6寧波吉利汽車研究開發(fā)有限公司21高通無線通信技術(shù)（中國）技術(shù)有限公司7一汽解放汽車有限公司22西華大學(xué)8上海臨港絕影智能科技有限公司23武漢路特斯科技有限公司9重慶長安汽車股份有限公司24江蘇大學(xué)10中國軟件評(píng)測中心25天津大學(xué)11北京智能車聯(lián)產(chǎn)業(yè)創(chuàng)新中心有限公司26華為技術(shù)有限公司12北京云測信息技術(shù)有限公司27東風(fēng)悅享科技有限公司13東風(fēng)汽車集團(tuán)有限公司技術(shù)中心28江鈴汽車股份有限公司14長城汽車股份有限公司29采埃孚商用系統(tǒng)有限公司15泛亞汽車技術(shù)中心有限公司30高新興科技集團(tuán)股份有限公司01研究概況介紹01研究概況介紹9會(huì)議回顧啟動(dòng)會(huì)啟動(dòng)會(huì)線上會(huì)確定研究內(nèi)容及分工

第三次線上會(huì)討論感知訓(xùn)練數(shù)據(jù)分類方式第三次線上會(huì)討論感知訓(xùn)練數(shù)據(jù)分類方式

第六會(huì)議討論感知訓(xùn)練數(shù)據(jù)集采集步驟及思路成都

第七會(huì)議第二次第二次線上會(huì)討論研究框架武漢 選場景庫

研究報(bào)告全文討論第五次線上會(huì) 杭州研究報(bào)告初稿討論2022.09.05 2022.09.28

2022.10.24 2023.03.08

2023.04.20

2023.05.09

2023.08.22形成終稿。形成終稿。法研究報(bào)告集研究報(bào)告項(xiàng)目組內(nèi)進(jìn)行問卷調(diào)研；項(xiàng)目組內(nèi)進(jìn)行問卷調(diào)研；影響；進(jìn)一步明確標(biāo)準(zhǔn)化需求；別和關(guān)聯(lián)。企業(yè)現(xiàn)狀；傳感器部署方案；屬性和要求。10userid:549683,docid:172977,date:2024-10-05,02研究內(nèi)容解讀02研究內(nèi)容解讀1111《智能網(wǎng)聯(lián)汽車感知訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)化需求研究報(bào)告》（以下簡稱“本報(bào)告”）共6萬余字，從感知訓(xùn)練數(shù)據(jù)集研究背景、感知數(shù)據(jù)采集及傳感器部署方案、感知訓(xùn)練數(shù)據(jù)集應(yīng)用場景和規(guī)模、性和要求、感知訓(xùn)練數(shù)據(jù)集測評(píng)方法以及標(biāo)準(zhǔn)化建議六個(gè)方面進(jìn)行梳理和總結(jié)?！吨悄芫W(wǎng)聯(lián)汽車感知訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)化需求研究報(bào)告》（五）感知訓(xùn)練數(shù)據(jù)集測評(píng)方《智能網(wǎng)聯(lián)汽車感知訓(xùn)練數(shù)據(jù)集標(biāo)準(zhǔn)化需求研究報(bào)告》（五）感知訓(xùn)練數(shù)據(jù)集測評(píng)方法（四）景和規(guī)模（三）性和要求（六）標(biāo)準(zhǔn)化建議（二）感知數(shù)據(jù)采集及傳感器部署方案研究（一）感知訓(xùn)練數(shù)據(jù)集相關(guān)背景研究02研究內(nèi)容解讀02研究內(nèi)容解讀高德采集車示意圖百度ApolloScape高德采集車示意圖百度ApolloScape數(shù)據(jù)采集車示意圖PAGE12（一）感知訓(xùn)練數(shù)據(jù)集研究背景根據(jù)采集途徑不同，感知訓(xùn)練數(shù)據(jù)集可分為車端和路端和常見的數(shù)據(jù)標(biāo)注方式。I. 車端感知訓(xùn)練數(shù)據(jù)集現(xiàn)狀車端數(shù)據(jù)集復(fù)雜多樣，不僅包含駕駛數(shù)據(jù)集，還有交通標(biāo)志數(shù)據(jù)集、行人數(shù)據(jù)集、車道線檢測數(shù)據(jù)集等。車端數(shù)據(jù)使用數(shù)據(jù)采集車收集，傳感器部署方式多變。02研究內(nèi)容解讀02研究內(nèi)容解讀PAGEPAGE17（一）感知訓(xùn)練數(shù)據(jù)集研究背景車端感知訓(xùn)練數(shù)據(jù)集現(xiàn)狀數(shù)據(jù)集發(fā)布時(shí)間地點(diǎn)使用設(shè)備場景標(biāo)注類別數(shù)據(jù)規(guī)模nuScenes2019波士頓和新加坡1個(gè)32線雷達(dá)6個(gè)攝像機(jī)市區(qū)、住宅、郊區(qū)和工業(yè)區(qū)圖像23類，點(diǎn)云32類1.4M高清圖像，4萬幀點(diǎn)云KITTI2012德國卡爾斯魯厄1個(gè)64線雷達(dá)4臺(tái)攝像機(jī)市區(qū)、鄉(xiāng)村和高速9類29GB，15000個(gè)數(shù)據(jù)文件，超過200k3D標(biāo)注物體圖像Argoverse2019皮茨堡和邁阿密2個(gè)32線雷達(dá)9個(gè)攝像機(jī)市區(qū)15類跟蹤113個(gè)場景，預(yù)測32萬條軌跡，每個(gè)軌跡5秒ONCE2021中國多個(gè)城市1個(gè)激光雷達(dá)7個(gè)攝像機(jī)市中心、郊區(qū)、橋梁等9類1.6萬個(gè)場景，41萬個(gè)3D框和76萬個(gè)2D邊框Waymo2019美國六個(gè)城市5個(gè)64線雷達(dá)5個(gè)攝像頭市區(qū)、郊區(qū)等23類檢測2030個(gè)場景，預(yù)測10萬個(gè)場景，113k個(gè)3D軌跡和160k個(gè)2D軌跡ApolloScape2018中國十個(gè)城市2個(gè)250線雷達(dá)6個(gè)攝像機(jī)市區(qū)，鄉(xiāng)村和高速35類144K+張圖像，70K幀3D實(shí)例標(biāo)記，1000km行駛軌跡（一）感知訓(xùn)練數(shù)據(jù)集研究背景路端感知訓(xùn)練數(shù)據(jù)集現(xiàn)狀求，現(xiàn)有的路端感知數(shù)據(jù)集仍較少。路端感知設(shè)備大多安裝在高3-5m的設(shè)備桿上，或現(xiàn)有交通設(shè)施上。路端感知設(shè)備示意圖 車路協(xié)同感知示意圖（一）感知訓(xùn)練數(shù)據(jù)集研究背景路端感知訓(xùn)練數(shù)據(jù)集現(xiàn)狀數(shù)據(jù)集發(fā)布時(shí)間數(shù)據(jù)量數(shù)據(jù)類別其他DAIR-V2X202271254幀圖像數(shù)據(jù)71254幀點(diǎn)云數(shù)據(jù)10類目標(biāo)物包含障礙物遮擋、截?cái)嗟刃畔ope3D202250009幀圖像數(shù)據(jù)9類目標(biāo)物IPS300+202114198幀圖像數(shù)據(jù)14198幀點(diǎn)云數(shù)據(jù)7類目標(biāo)物BAAI-VANJEERoadsideDataset20215000幀圖像數(shù)據(jù)2500幀點(diǎn)云數(shù)據(jù)12類目標(biāo)物V2XSim2021三個(gè)Carla小鎮(zhèn)500G以上數(shù)據(jù)23類目標(biāo)物大型虛擬數(shù)據(jù)集A9-Dataset20221098幀數(shù)據(jù)9類目標(biāo)物包含大雪、大霧、交通事故特殊場景（一）感知訓(xùn)練數(shù)據(jù)集研究背景數(shù)據(jù)集標(biāo)注能力現(xiàn)狀數(shù)據(jù)集標(biāo)注是指將數(shù)據(jù)集中的原始數(shù)據(jù)（圖片、點(diǎn)云、文本等）被算法處理的標(biāo)準(zhǔn)形式。數(shù)據(jù)標(biāo)注的質(zhì)量與能力直接影響到機(jī)器學(xué)習(xí)算法的性能。本報(bào)告調(diào)研了通用的數(shù)據(jù)集標(biāo)注方式，以及針對(duì)不同任務(wù)的標(biāo)注流程。標(biāo)注方式通用標(biāo)注方式根據(jù)自動(dòng)駕駛?cè)蝿?wù)劃分人工標(biāo)注半自動(dòng)標(biāo)注自動(dòng)標(biāo)注傳感器融合標(biāo)注路徑與軌跡標(biāo)注場景理解標(biāo)注方式介紹人工清洗標(biāo)注自動(dòng)初步標(biāo)簽，人工審閱純算法標(biāo)注，無需人工多個(gè)傳感器融合目標(biāo)跟蹤、軌跡預(yù)測任務(wù)標(biāo)注場景相關(guān)信息標(biāo)注步驟a.b.c.d.標(biāo)注需求理解標(biāo)注準(zhǔn)備標(biāo)注過程標(biāo)注結(jié)果a.b.c.和預(yù)標(biāo)注補(bǔ)充標(biāo)注結(jié)果標(biāo)注標(biāo)注結(jié)果數(shù)據(jù)同步數(shù)據(jù)對(duì)齊標(biāo)注物體標(biāo)注關(guān)聯(lián)質(zhì)量檢查a.b.c.d.e.f.數(shù)據(jù)收集軌跡生成a.b.c.d.道路屬性標(biāo)注環(huán)境屬性表述上下文信息標(biāo)注場景分類標(biāo)注（二）感知數(shù)據(jù)采集及傳感器部署方案研究本報(bào)告分別對(duì)車端和路端兩類感知數(shù)據(jù)采集及傳感器部署方案進(jìn)行了研究。車端感知數(shù)據(jù)采集采集車的種類及型號(hào)為最大化滿足業(yè)務(wù)需求，選

傳感器的選型智能駕駛汽車環(huán)境感知傳

傳感器配置數(shù)量及部署安裝方案 采集系統(tǒng)配置一般采用5-8個(gè)攝像機(jī)并根據(jù)功 主要包括外部感知設(shè)備、

其他硬件系統(tǒng)主要為組合導(dǎo)航。車需要既要考慮通用需求，

感器主要有激光雷達(dá)、單/

能，分別裝在車頂，后視鏡下方，外部設(shè)備相連接的交換機(jī)、也要關(guān)注特殊需要。一般包括車身外形與尺寸、車內(nèi)空間、車頂行李架、能源類型及油標(biāo)號(hào)等等十多項(xiàng)參數(shù)。

雙/三目攝像機(jī)、魚眼攝像機(jī)、環(huán)視攝像機(jī)以及毫米波雷達(dá)等，選型時(shí)需要考慮通用水平和性能水平。

前側(cè)翼子板，前后車標(biāo)，后備箱等。常采用1-3激光雷達(dá)個(gè)布置在采集車正上方離地2m-3m處。

同步盒、電源模塊，數(shù)據(jù)融合單元，數(shù)據(jù)采集與存儲(chǔ)系統(tǒng)，最終上傳到工控機(jī)或云端服務(wù)器進(jìn)行存儲(chǔ)。目前較為成熟的車端感知數(shù)據(jù)采集車傳感器布置方案KITTI數(shù)據(jù)集采集車傳感器布置 nuScenes數(shù)據(jù)集采集車傳感器布置 H3D數(shù)據(jù)集采集車傳感器布置（二）感知數(shù)據(jù)采集及傳感器部署方案研究路端感知數(shù)據(jù)采集傳感器選型路段環(huán)境感知傳感器主要有激光雷達(dá)、毫米波雷達(dá)、相機(jī)、紅外相機(jī)、事件觸發(fā)相機(jī)等選型

傳感器配置數(shù)量及部署安裝方案路端傳感器主要部署場景包括城市路口、城市道路、高速道路等，對(duì)于不同的道路場景，需進(jìn)行針對(duì)性的規(guī)劃設(shè)計(jì)，可以劃分為十字路口，T型路口，城市道路。

采集軟件配置目標(biāo)融合模塊，數(shù)據(jù)處理模塊，孿生可視化平臺(tái)模塊。

其他硬件系統(tǒng)主要為邊緣計(jì)算單元。目前較為成熟的路端感知數(shù)據(jù)采集傳感器布置方案十字路口有綠化帶布設(shè)方案 T型路口有綠化帶布設(shè)方案 城市道路布設(shè)方案（三）感知訓(xùn)練數(shù)據(jù)集數(shù)據(jù)屬性和要求本報(bào)告調(diào)研了針對(duì)不同感知任務(wù)的數(shù)據(jù)集標(biāo)注范圍、標(biāo)注類別和標(biāo)注屬性。視覺圖像算法數(shù)據(jù)屬性和要求圖像2D目標(biāo)檢測算法數(shù)據(jù)集標(biāo)注范圍（節(jié)選）激光點(diǎn)云算法數(shù)據(jù)屬性和要求點(diǎn)云3D目標(biāo)檢測標(biāo)注范圍（節(jié)選）類別Vehicle（車輛）描述類別Vehicle（車輛）描述此類別包含場景中出現(xiàn)的所有車輛類別，包括汽車，自行車，摩托車等子類。Human（人）此類別包含場景中檢測到的所有人，包括行人，騎手，移動(dòng)單元人臉等子類別。Traffic_sign（交通標(biāo)志）此類別包含所有面向采集車方向的交通標(biāo)志（包含交通燈），包括我們不需要標(biāo)注標(biāo)志的背面?！悇e名稱car類別說明包含轎車、SUV、MPV、皮卡車、五菱宏光類小面，四輪快遞車等。bus包含公交汽車、校車、小巴、大金杯、C型房車等。truck大型集卡、大型貨車、大型半掛車、大型廂式貨車、中型廂式貨車、油罐車、垃圾車、機(jī)動(dòng)農(nóng)用三輪車等?！瓕傩灾得枋?：0%(完全可見屬性值描述0：0%(完全可見)Occluded（遮擋）1：1-50%(部分遮擋)2：51-100%(大部分遮擋)此屬性默認(rèn)值為0，只有出現(xiàn)部分遮擋或全部遮擋時(shí)，將其更改為相應(yīng)數(shù)值。3：未知Truncated（截?cái)啵?：0%(完全可見)1：1-50%(部分可見)2：51-100%(大部分被截?cái)?截?cái)嘀傅氖俏矬w離開圖片邊緣的情況。適用于當(dāng)車輛，人，交通標(biāo)志，交通燈的部分或全部被截?cái)嗟那闆r。默認(rèn)值為0?！瓕傩詔runcated含義值值描述未完全在畫面中0目標(biāo)物完整1目標(biāo)物不完整（出現(xiàn)在固態(tài)雷達(dá)點(diǎn)云邊緣）occluded是否被遮擋：目標(biāo)物是否被其他物體遮擋0完全未被遮擋1小部分被遮擋（不超過一半）2大部分被遮擋3未知（不知道是否被遮擋）abnormal數(shù)據(jù)是否異常0默認(rèn)0，無異常1殘影（拼接不完善）（三）感知訓(xùn)練數(shù)據(jù)集數(shù)據(jù)屬性和要求訓(xùn)練數(shù)據(jù)標(biāo)注精確度行業(yè)普遍情況精確度指標(biāo)含義抽檢比例待驗(yàn)收的已標(biāo)注樣本占總的已標(biāo)注樣本的比例準(zhǔn)確率合格的已標(biāo)注樣本數(shù)占總的已標(biāo)注數(shù)的比例貼合度作業(yè)人員標(biāo)注的點(diǎn)、線、框與原始數(shù)據(jù)中的點(diǎn)、線、框的真值之間的重合程度航向角在傳感器局部坐標(biāo)系下，標(biāo)注框的方向與局部坐標(biāo)系的航向參考軸之間的夾角連續(xù)幀的最短幀間隔時(shí)長最短幀間隔時(shí)長指的是傳感器連續(xù)幀之間的時(shí)間間隔速度的標(biāo)注以及最大誤差標(biāo)注過程中允許的物體速度值與其真值之間差值的最大絕對(duì)值圖像標(biāo)注的像素誤差2d標(biāo)注框與圖像中物體的真值框之間的像素差值訓(xùn)練集數(shù)據(jù)標(biāo)注格式圖像標(biāo)注數(shù)據(jù)導(dǎo)出格式2D框 宜采用txt/json2D框 宜采用txt/json車道線檢測 宜采用json

點(diǎn)云標(biāo)注數(shù)據(jù)導(dǎo)出格式車道線檢測 宜采用json3D車道線檢測 宜采用json3D框 宜采用json目標(biāo)檢測 宜采用xml/txt/json目標(biāo)檢測 宜采用pcd/bin/npy語義分割 宜采用json/Mask 目標(biāo)檢測 宜采用xml/txt/json目標(biāo)檢測 宜采用pcd/bin/npy目標(biāo)追蹤 宜采用xml/txt 目標(biāo)追蹤 宜采用xml/json（四）感知訓(xùn)練數(shù)據(jù)集應(yīng)用場景和規(guī)模級(jí)和人物模型所對(duì)應(yīng)的場景維度。國內(nèi)外主流的感知算法模型以及訓(xùn)練數(shù)據(jù)集子集所需量級(jí)建議國內(nèi)外主流的感知算法模型以及訓(xùn)練數(shù)據(jù)集子集所需量級(jí)建議算法類型算法名稱數(shù)據(jù)集所需量級(jí)建議目標(biāo)檢測FastR-CNN、SSDPASCALVOC、MS-COCO建議為達(dá)到95%以上的識(shí)別準(zhǔn)確率和召回率，需要不少于100萬張用于訓(xùn)練和驗(yàn)證的圖像，每張圖像平均具備8個(gè)以上的細(xì)分類別目標(biāo)目標(biāo)跟蹤SORT、DeepSORTMOTchallenge針對(duì)每一類目標(biāo)，應(yīng)不少于20萬張用于訓(xùn)練和驗(yàn)證的圖像（要求單目標(biāo)時(shí)間連續(xù)5s以上），保證每幀中均含有有效目標(biāo)。語義分割HRNetCityscapes、Semantic3D針對(duì)圖像語義分割算法需求，應(yīng)不少于50萬張用于訓(xùn)練和驗(yàn)證的圖像，每張圖像平均具備2個(gè)以上的細(xì)分類別目標(biāo)，主要針對(duì)道路相關(guān)內(nèi)容進(jìn)行采集。車道線檢測SCNN、RESACityscapes、TuSimple針對(duì)車道線檢測，建議為達(dá)到99%以上的識(shí)別率與準(zhǔn)確率，需要不少于50萬張用于訓(xùn)練和驗(yàn)證的圖像，盡可能覆蓋多樣性道路場景，如城市道路（包括復(fù)雜路口）。盡量覆蓋各種車道線類型、道路情況、天氣情況等。車位線檢測DeepPS、DMPR-PSps2.0、PIL_PARK為了實(shí)現(xiàn)精確的停車位檢測，建議數(shù)據(jù)集數(shù)據(jù)量達(dá)到10萬張以上，如果使用單個(gè)攝像機(jī)所得圖片，建議數(shù)據(jù)量達(dá)到15萬張以上。圖像點(diǎn)云融合檢測MV3D、PointFusion、Frustum-PointNetKITTI、SUN-RGBD在圖像點(diǎn)云融合檢測算法數(shù)據(jù)集應(yīng)有圖像點(diǎn)云的總數(shù)100w數(shù)量以上，目標(biāo)數(shù)量大概的分布在5-50之間，保證平均每幀的目標(biāo)大概在10個(gè)左右，覆蓋城區(qū)高速快速路以及多個(gè)城市。圖像點(diǎn)云融合跟蹤DSM、mmMOT、EagerMOTKITTI、NuScenes建議數(shù)據(jù)集中總幀數(shù)應(yīng)超過100w幀，目標(biāo)追蹤的種類至少應(yīng)包含車、行人類別。干燥路面濕潤路面路面情況非直道路面破損及不規(guī)則路面天氣與光照（四）感知訓(xùn)練數(shù)據(jù)集應(yīng)用場景和規(guī)模干燥路面濕潤路面路面情況非直道路面破損及不規(guī)則路面天氣與光照模型任務(wù)所應(yīng)用的場景維度道路場景類型公共道路封閉道路道路場景類型公共道路封閉道路交通參與者類型交通參與者與標(biāo)志交通參與者行為交道路標(biāo)志物分叉路分叉路鐵架橋關(guān)鍵道路特征隧道匝道環(huán)行路 （五）感知訓(xùn)練數(shù)據(jù)集測評(píng)方法行了調(diào)研和總結(jié)。感知數(shù)據(jù)質(zhì)量評(píng)價(jià)指標(biāo)圖像數(shù)據(jù)質(zhì)量評(píng)價(jià)指標(biāo)1）像素均值：圖像像素的平均值；u= 1? ? ?(,?)?? ?=1 ?=11??1??? ?=1 (?,?)?3）圖像平均梯度：圖像的清晰度；?G=

? ??????,?)2?

??

?=1

=1????=11）點(diǎn)云密度：描述單位面積上激光雷達(dá)點(diǎn)的平均數(shù)量。ρ=

=1?????=1(Z??=1(Z????13）平面精度：評(píng)價(jià)點(diǎn)云數(shù)據(jù)的平面位置與其真實(shí)的地面位置之間誤差分布的離散程度。??????=??? ?????2??????（五）感知訓(xùn)練數(shù)據(jù)集測評(píng)方法感知訓(xùn)練數(shù)據(jù)集評(píng)價(jià)方法感知數(shù)據(jù)集數(shù)據(jù)類型及分布評(píng)價(jià)評(píng)測數(shù)據(jù)集應(yīng)做到場景分布多樣性，包含標(biāo)注類別多樣，數(shù)據(jù)標(biāo)注精度準(zhǔn)確等維度進(jìn)行評(píng)測。以下為不同分布維度下，道路場景數(shù)據(jù)集細(xì)類分布：按天氣、氣候、時(shí)間分布、視角等分布按交通場景分布按交通參與者統(tǒng)計(jì)數(shù)據(jù)集劃分方式

評(píng)估指標(biāo)任務(wù)類型 指標(biāo)分類問題 準(zhǔn)確率/差準(zhǔn)率/召回率/F1分?jǐn)?shù)/ROC